如何用Python拆分Google Forms多选调查列并生成重复行？

问题背景 #

我有一份Google Forms导出的CSV数据，其中Reasons列存储着用户的多选调查结果。导入后的DataFrame示例如下：

import pandas as pd

filename = 'Example.csv'
df = pd.read_csv(filename)
print(df.to_dict("list"))

输出结果：

{
  'ID': [1, 2], 
  'Join Date': [
    pd.Timestamp('2023-01-01 00:00:00'), 
    pd.Timestamp('2022-12-01 00:00:00')
  ], 
  'Reasons': [
    'Benefits [Leave, Flexi, Dental, Insurance etc.], Compensation [Salary & Bonus]', 
    'Career & Growth Opportunities [Learning & Development, Progression], Meaningful work'
  ]
}

需要将其转换为以下格式：每个用户选择的原因拆分为单独行，同时重复对应的ID和Join Date字段：

{
  'ID': [1, 1, 2, 2], 
  'Join Date': [
    pd.Timestamp('2023-01-01 00:00:00'), 
    pd.Timestamp('2023-01-01 00:00:00'), 
    pd.Timestamp('2022-12-01 00:00:00'), 
    pd.Timestamp('2022-12-01 00:00:00')
  ], 
  'Reasons': [
    'Benefits [Leave, Flexi, Dental, Insurance etc.]', 
    'Compensation [Salary & Bonus]', 
    'Career & Growth Opportunities [Learning & Development, Progression]',         
    'Meaningful work'
  ]
}

由于Reasons选项内部包含逗号，无法直接按逗号拆分，请问如何用Python实现？explode()是否可行？

解决方案 #

explode()完全可行，但核心是先正确拆分Reasons列——要匹配那些不在方括号[]内的, 作为分隔符，这可以通过正则表达式实现。

具体步骤： #

• 使用正则表达式拆分Reasons列：匹配不在方括号中的, （正则逻辑：匹配逗号加空格，且该位置后面的内容中没有未闭合的方括号）
• 对拆分后的列表列使用explode()，将每个列表元素拆分为单独行，同时保留对应行的其他字段

代码实现： #

import pandas as pd
import re

# 读取数据
df = pd.read_csv('Example.csv')

# 定义正则：匹配不在[]内的", "
split_pattern = re.compile(r', (?![^\[]*\])')

# 拆分Reasons列为列表，然后explode
df['Reasons'] = df['Reasons'].str.split(split_pattern)
result_df = df.explode('Reasons').reset_index(drop=True)

# 查看结果
print(result_df.to_dict("list"))

正则说明： #

• , ：匹配逗号加空格的目标分隔符
• (?![^\[]*\])：负向预查规则，确保当前匹配的, 不在任何一对未闭合的方括号内部，避免拆分选项里的内部逗号

输出验证： #

运行上述代码后，得到的result_df就是目标格式：每个多选原因单独成行，ID和Join Date自动重复对应的值。

内容的提问来源于stack exchange，提问作者Marc12125